使用 OpenClaw llm-task 插件：快速執行結構化 LLM 任務

每次想從 LLM 拿點結構化資料，結果它回你一堆廢話或是帶 Markdown 標籤的程式碼，真的很讓人崩潰。如果你正在尋找一個簡單的方法來執行純 JSON 的任務，而不想為每個工作流寫一堆重複的程式碼，那麼 llm-task 就是你的救星。

LLM Task

llm-task 是一個選配的外掛工具，專門用來執行純 JSON 的 LLM 任務，並回傳結構化輸出（還可以選擇是否根據 JSON Schema 進行驗證）。

這對於像 Lobster 這樣的工作流引擎來說非常理想：你可以在工作流中直接加入一個 LLM 步驟，而不需要為每個流程編寫自定義的 OpenClaw 程式碼。

啟用外掛程式

啟用外掛：

{
  "plugins": {
    "entries": {
      "llm-task": { "enabled": true }
    }
  }
}

將工具加入允許清單（它註冊時預設為 optional: true）：

{
  "agents": {
    "list": [
      {
        "id": "main",
        "tools": { "allow": ["llm-task"] }
      }
    ]
  }
}

設定（選填）

{
  "plugins": {
    "entries": {
      "llm-task": {
        "enabled": true,
        "config": {
          "defaultProvider": "openai-codex",
          "defaultModel": "gpt-5.4",
          "defaultAuthProfileId": "main",
          "allowedModels": ["openai-codex/gpt-5.4"],
          "maxTokens": 800,
          "timeoutMs": 30000
        }
      }
    }
  }
}

allowedModels 是 provider/model 字串的允許清單。如果設定了這個清單，任何不在清單內的請求都會被拒絕。

工具參數

prompt (string, 必填)
input (any, 選填)
schema (object, 選填 JSON Schema)
provider (string, 選填)
model (string, 選填)
thinking (string, 選填)
authProfileId (string, 選填)
temperature (number, 選填)
maxTokens (number, 選填)
timeoutMs (number, 選填)

thinking 支援標準的 OpenClaw 推理預設值，例如 low 或 medium。

輸出

回傳包含解析後 JSON 的 details.json（如果提供了 schema，則會進行驗證）。

範例：Lobster 工作流步驟

openclaw.invoke --tool llm-task --action json --args-json '{
  "prompt": "Given the input email, return intent and draft.",
  "thinking": "low",
  "input": {
    "subject": "Hello",
    "body": "Can you help?"
  },
  "schema": {
    "type": "object",
    "properties": {
      "intent": { "type": "string" },
      "draft": { "type": "string" }
    },
    "required": ["intent", "draft"],
    "additionalProperties": false
  }
}'

安全注意事項

此工具僅限 JSON-only，並會指示模型僅輸出 JSON（沒有程式碼區塊標籤，也沒有評論）。
這次執行不會對模型開放任何工具。
除非你使用了 schema 進行驗證，否則請將輸出視為不可信。
在執行任何會產生副作用的步驟（如 send, post, exec）之前，請務必加入人工審核。

如果你在設定過程中遇到問題，可以詢問 AI Setup Assistant。

下一步

OpenClaw Expert

還是卡住了？

如果這篇文件沒有解決你的情境，直接問 OpenClaw Expert，拿到可執行步驟。